Wyjaśnialne K-średnich
Wyjaśnialne K-średnich (Explainable K-Means) to podejście post-hoc i wbudowane w model, służące do interpretowalności standardowego grupowania K-średnich, które zastępuje lub przybliża przypisania do klastrów małym drzewem decyzyjnym zorientowanym osiowo. Każdy liść drzewa odpowiada jednemu klastrowi, a każdy punkt danych jest przypisywany do klastra poprzez sekwencję reguł progowych dla poszczególnych cech — co czyni przynależność do klastra w pełni przejrzystą i czytelną dla człowieka.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Dasgupta, S., Frost, N., Moshkovitz, M., & Rashtchian, C. (2020). Explainability of k-Means Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link ↗
- Moshkovitz, M., Dasgupta, S., Rashtchian, C., & Frost, N. (2020). Explainable k-Means and k-Medians Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/pl/machine-learning/explainable-k-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DBSCANUczenie maszynowe↔ compare
- Drzewo decyzyjneUczenie maszynowe↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Klasteryzacja K-średnichUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →